当AI能一键生成论文、画图、写代码，我们的孩子到底该学什么？ 这个问题，今年两会上有7位代表委员给出了不同的答案。
上面的问题其实听起来有点像个哲学问题，但在2026年的今天，它已经成了一个摆在台面上的，非常现实、甚至有点紧迫的政策议题。就在今年的两会上，有七位来自不同行业的代表委员，都把目光聚焦在了AI教育上。这已经不是一个“要不要学”的讨论了，而是一场关乎“怎么学、学什么”的全国性大辩论。
这背后有一条清晰的时间线。2024年，“人工智能+”行动第一次被写进了政府工作报告。然后教育部明确，到2030年，要基本普及中小学的人工智能教育。
离2030年，其实也就剩下4年时间。这是一种倒计时的紧迫感。
【提案一：雷军】
雷军，全国人大代表，小米集团创始人。
科技圈顶流、从手机到汽车再到AI全布局的企业家——这是他给公众的印象。
他今年的提案是：AI人才缺口。
雷军在提案里指出：
各行各业对掌握AI基本技能的人力需求剧烈上升，中国在顶尖AI人才和AI复合型人才上都明显不足。如果不从基础教育开始普及，将来整体劳动力在新一轮科技变革中会被动。
AI人才缺口太大，必须从娃娃抓起。
他的四项建议
- 将AI素养教育纳入九年义务教育设置系统化的AI通识课程，从基础理念到简单应用，层层推进。
- 把AI相关内容纳入中小学社会实践活动让学生在实践中接触AI，激发兴趣。
- 在高等教育层面，大力推进高校人工智能相关专业建设
- 支持大型科技企业和培训机构参与培养应用型AI人才，形成"学校教育+产业实践"联动的人才培养体系。
- 其实我觉得这话里面藏着一个特别残酷的现实，我称之为“时间尺度的错配”。
- 你想，像大模型这样的AI技术，它的迭代是以“月”为单位的，可能几个月就更新一代。但是，教育塑造一个人的周期，却是以“十年”为单位的。
- 雷军之所以这么着急，要把AI塞进义务教育里，本质上就是想用制度的刚性，去追赶技术演进的这种不确定性。这种“从娃娃抓起”的呼声，其实也折射出一种对底层劳动力被替代的深层焦虑——当一个模型真的能一键帮你搞定过去需要几年专业训练才能做的论文和代码时，我们必须赶在旧的技能被彻底淹没之前，给下一代造出新的“救生艇”。
【提案二：张巧良】
张巧良，全国人大代表，山东康桥律师事务所首席合伙人。
法律人出身、连续第二年提出AI教育相关建议——她的关注点是"思维能力"而非"技术能力"。
张巧良代表在提案里描述了这样一个现状：
生成式AI快速普及，深度伪造、算法偏见、虚假信息、非理性表达，对青少年思维养成与价值观念带来多重挑战。
她的核心判断是：AI时代，独立判断、理性思辨、严谨论证的能力反而变得更加重要。
她的四项建议
- 把逻辑思维纳入核心素养的"刚性要求"将逻辑推理、批判性思维、证据意识、法治思维，作为中小学生必备的核心素养，贯穿各学段、各学科。
- 构建适配AI时代的课程与教学体系在语文、数学、道德与法治、科学、信息科技等学科中，强化逻辑训练。增设信息甄别、谬误识别、论证规范、AI生成内容辨析等实战内容。
- 强化教师逻辑教学能力专项培训将逻辑学基础知识、批判性思维教学方法纳入"国培计划"和中小学教师继续教育必修内容。
- 完善以思维能力为导向的评价机制在中考、高中学业水平考试中，适度增加逻辑推理、论证分析、批判性思考类题型。
- 从我来看，这其实是一种防御性的教育策略。当AI可以惟妙惟肖地给你编造一段法律条文，或者炮制一篇假新闻的时候，你懂不懂代码，可能真的不那么重要了。更重要的是，你是否具备一种“信息审计”的能力。
- 逻辑学，这个在过去教育体系里一直有点边缘的学科，在今天，突然就变成了我们对抗算法谎言最锋利的一把手术刀。
- AI的逻辑，是基于海量数据和概率的“预测”，它的目标是生成一个“看起来最像正确答案”的结果。
- 而人类的逻辑，是基于规则和证据的“审视”，它的目标是无限逼近“事实真相”。所以，张巧良代表的提案，实际上是在倒逼我们重塑整个教育的评价标准：
- 从过去比拼谁的“知识储备量”更大，转向未来比拼谁的“认知过滤率”更高。
- 在一个标准答案变得廉价的时代，质疑的能力比回答的能力贵上一万倍。
【提案三：刘庆峰】
刘庆峰，全国人大代表，科大讯飞董事长。
AI语音领域大佬、长期关注教育信息化——今年他的提案覆盖面最广：从基础教育到职业教育到高校到继续教育，全链条覆盖。
刘庆峰判断：中国正处在AI时代的深度转型期，工作岗位结构和技能要求都会被重塑。如果教育、职业技能培训、就业支持、社会保障之间还是"各自为战"，大量人群会在结构性调整中掉队。所以他主张：打通"教育-技能-就业-保障"全链条。
他的四项建议
- 基础教育：普及AI通识教育，建立"人机协同"的认知框架
- 职业教育：建设"人机协作"模块化课程，把大模型、AI工具嵌入职业院校
- 高等教育：加快"AI+X"交叉学科建设，让学生既懂本专业又会用AI
- 继续教育：强化国家智慧教育平台上的AI课程供给，让在职人群也能随时学习
【提案四：李东林】
李东林，全国人大代表，中车株洲电力机车研究所有限公司党委书记、董事长。
制造业大佬——他关注的是职业教育如何为产业升级培养人才。
产业大佬，是从商业未来的角度来看整体AI教育的。
他认为大模型和智能制造正在深刻改变产业结构，职业教育如果按传统专业设置和教学模式走，会难以为产业升级提供"懂AI、会用AI"的新型技术技能人才。
他的建议
提交《关于人工智能背景下职业教育体系改革的建议》：
- 围绕新产业、新职业、新工艺，重构专业设置、课程标准和实践教学体系
- 强调校企合作，在真实生产场景中培养学生的AI应用能力
这俩其实挺有意思，科大讯飞的董事长刘庆峰，和来自制造业的中车株洲所董事长李东林，他们一个从AI产业，一个从传统制造业的角度，给出了更宏大的方案。 刘庆峰主张，必须打通“教育-技能-就业-保障”这整个链条，否则在AI带来的产业结构调整中，一定会有大量人群掉队。而李东林的视角更具体，他说，职业教育如果还按照老一套的专业去培养学生，那未来的智能工厂里，根本找不到“懂AI的新型技工”。
这种产业和教育之间的“齿轮错位”已经非常明显了。
传统的教育体系，就像一艘笨重的巨轮，转向很慢；而现在的产业，却像一艘快艇，灵活多变。
所以刘庆峰提出了一个很关键的认知框架，叫“人机协同”：就是未来的工作岗位，不再是“人”或者“机器”单独存在，而是一个“人+AI”的组合，作为一个基本的竞争单元。如果你只会手动操作机床，或者只会写最基础的文档，那你在未来的工作链条里，很可能就是一个断裂的环节。对。你会失去工作。
【提案五：张云泉】
张云泉，全国政协委员，中科院计算所研究员。
超算和AI领域专家——他的关注点是生成式AI教育的普及。
他认为，生成式AI会改变学习方式和科研方式，但学校在课程设置、师资能力和算力资源上都准备不足。
他的三项建议
- 构建覆盖不同教育阶段的生成式AI课程体系
- 设立"生成式人工智能教学资源共享平台"，鼓励学校之间共享教学内容和教学算力
- 设立"生成式人工智能创新实践基地"，让企业提供真实场景供学生实习
【提案六：周洪宇】
周洪宇，全国政协委员，华中师范大学教授。
教育学者、长期关注青少年发展——他的提案聚焦"AI素养"而非"AI技术"。
他认为，青少年既是AI的"重度使用者"，又是"高风险人群"。如果不系统培养AI素养、正确价值观和综合能力，可能在信息安全、价值观、学习方式上受到负面冲击。
他的三项建议
- 在基础教育阶段开设人工智能通识教育
- 开发"人工智能+"跨学科课程包，把AI和语文、数学、科学、艺术等学科深度融合
- 构建"人工智能赋能青少年发展"的综合支持体系，包括心理健康、价值引导、伦理规范等
【提案七：姚劲波】
姚劲波，全国人大代表，58同城CEO。
生活服务领域大佬——他关注的是成年人的AI技能提升。
他的想法和他的用户群体息息相关，他认为， "AI素养正在成为新的就业分水岭"。问题不在于"愿不愿意用"，而在于"能不能真正用好"。如果没有国家层面行动，大量普通劳动者会被拉开差距。
他的两项建议
- 从国家层面推动"全民AI技能与素养提升行动"
- 设立国家AI人才培养专项基金，鼓励个人终身学习AI技能
【感受】
看完这7份提案，有几点感受。这么多代表的提案，其实万变不离其宗，背后有几个共同的洞察。
第一，今年两会AI教育提案呈现出一个明显的特点：从"要不要学AI"转向"怎么学、学什么"。
雷军主张系统开AI课，张巧良主张先教逻辑思维，刘庆峰主张打通全链条——他们不是在争论"要不要拥抱AI"，而是在争论"拥抱AI的正确姿势是什么"。我们对AI教育的认知，正在从“工具论”转向“方法论”。大家达成的共识是，学习AI不是为了让孩子成为AI的附庸，而是为了让他们掌握在AI环境下的生存哲学。逻辑思维、批判性能力，这种底层的东西，远比单纯的编程技巧更有生命力。
第二，所有的改革都指向了教育评价体系的“根部”。
无论是在中考里增加逻辑题，还是给不同学龄段设计不同的AI素养标准，信号都很明确：教育必须从“考知识”转向“考思维”。否则，我们辛辛苦苦培养出来的学生，将是AI最完美的替代品。
第三，职业教育和成人再培训成为新的关注焦点。
李东林关注职教体系改革，姚劲波提议全民AI技能提升——这反映出代表委员已经意识到：AI冲击的不只是学生，还有已经在工作岗位上的成年人。从职业教育的改革，到面向所有成年人的继续教育，成人世界的“再造教育”已经迫在眉睫。
虽然能看出来大家都很焦虑、很急迫，但这种群体焦虑其实是一种进步，让我们能更好的关注和面对这个时代。
直面惨淡吧朋友们，那条确定的轨道，已经消失了，未来是一片没有航标的大海。
我们面临的真正挑战，并不是孩子学不会AI，而是我们这些成年人——老师、家长、政策制定者——是否敢于打破旧有的评价体系？如果我们继续用20世纪的考题，去选拔21世纪的人才，来应对一个可能在22世纪才完全展开的挑战，这才是最大的教育风险。
所以，那个终极问题依然悬在每个人的头顶：当AI能完成几乎所有“有用”的工作时，我们该如何定义一个人的“价值”？或许，教育最终将回归它的本源——不是为了培养一个个好用的“零件”，而是为了唤醒那个懂得如何去爱、如何审美、以及如何拒绝被算法定义的，完整的“人”。
当AI以月为单位迭代时，教育以十年为单位塑造人。
这种时间尺度的错配，让每个人都感到紧迫。
离2030年，倒计时4年。
